Staff ML Platform Engineer in Warsaw

Staff ML Platform Engineer in Warsaw

Warsaw Pełny etat 123750 - 151250 zł / rok (szac.) Hybrydowo
I

W skrócie

  • Zadania: Buduj nową platformę fintechową i kształtuj architekturę ML.
  • Firma: InPost Pay - innowacyjna firma fintechowa z dynamiczną kulturą.
  • Benefity: Konkurencyjne wynagrodzenie, elastyczne godziny pracy i możliwość eksperymentowania z nowymi technologiami.
  • Pozostałe informacje: Praca w zespole AI-native w środowisku sprzyjającym rozwojowi kariery.
  • Dlaczego ta praca: Zyskaj wpływ na decyzje projektowe i rozwijaj swoje umiejętności w AI.
  • Kwalifikacje: 7+ lat doświadczenia w inżynierii ML i znajomość Python oraz frameworków ML.

Przewidywane wynagrodzenie mieści się w przedziale 123750 - 151250 zł za rok.

InPost Pay buduje swoją własną platformę fintech od podstaw. To duża, międzynarodowa inicjatywa, w której inżynierowie będą mieli możliwość kształtowania architektury, budowania kluczowych komponentów fintech oraz tworzenia rozwiązań zaprojektowanych do działania na skalę InPost.

Misja: Ustalenie standardów architektury ML i modelowania, na których będzie opierać się podejmowanie decyzji kredytowych. Ty ustalasz praktyki modelowania, walidacji, monitorowania oraz odpowiedzialnej AI / ryzyka modelu dla modeli oceny kredytowej i underwritingu MCA w całej platformie.

Posiadanie pełnej odpowiedzialności za cykl życia modelu, od wyboru cech i metodologii szkolenia po walidację, testy champion/challenger, wdrożenie i monitorowanie po produkcji pod kątem dryfu i stabilności. Współpraca z inżynierią danych w celu zdefiniowania punktów czasowych, poprawnych cech produkcyjnych. Kształtowanie mapy drogowej feature-store wokół potrzeb modelowania.

Ustanowienie dokumentacji, kart modelu i standardów uzasadnienia działań niekorzystnych. Posiadanie architektury agentów i przepływów pracy związanych z feature store: iteracja modelu agentowego (eksperyment, ocena, ponowne szkolenie, promowanie) oraz monitorowanie i obserwowalność modelu agentowego. Projektowanie pętli agentów i grafów (kontekst, narzędzia, stan, oceny, zabezpieczenia), aby były niezawodne, obserwowalne i kontrolowane kosztowo.

Wymagania: 7+ lat doświadczenia w inżynierii uczenia maszynowego w systemach produkcyjnych oraz 3+ lata w ocenie kredytowej, modelowaniu ryzyka lub ML decyzyjnym na Spark/Databricks lub równoważnym lakehouse. Ekspert w Pythonie i frameworkach ML (scikit-learn, XGBoost, PyTorch). Silne umiejętności w projektowaniu modeli ryzyka kredytowego i underwriting: scorecardy, gradient boosting, modele przetrwania/zachowań.

Doświadczenie w metodologii walidacji modeli: back-testing, champion/challenger, stabilność populacji (PSI), kalibracja. Doświadczenie w inżynierii cech punktów czasowych, wzorcach konsumpcji feature-store i narzędziach MLOps (MLflow, CI/CD dla modeli). Biegłość w technikach wyjaśnialności i odpowiedzialnej AI dla regulowanych decyzji (SHAP, karty modeli, uzasadnienie działań niekorzystnych), z wiedzą na temat regulacyjnych ram ryzyka modelu.

Dodatkowe informacje: Dlaczego InPost? Autorytet architektoniczny od pierwszego dnia. Twoje decyzje projektowe mają znaczenie. Nowoczesny stos technologiczny i zespół AI-native, z przestrzenią do eksperymentowania z nowymi technologiami i wprowadzania ich do produkcji. Współpraca w szybkim tempie, gdzie autonomia i odpowiedzialność idą w parze. Praca hybrydowa, idealnie jeden dzień w tygodniu w biurze w Warszawie lub Krakowie.

Staff ML Platform Engineer in Warsaw – pracodawca: InPost UK

InPost UK to doskonały pracodawca, który oferuje dynamiczne środowisko pracy w sercu branży logistycznej. Nasza kultura pracy opiera się na współpracy i innowacyjności, a pracownicy mają możliwość rozwoju zawodowego poprzez różnorodne szkolenia i programy mentoringowe. Dodatkowo, lokalizacja w Wielkiej Brytanii zapewnia dostęp do wielu atrakcji oraz możliwości networkingowych w międzynarodowym środowisku.

I

Dane kontaktowe:

Zespół rekrutacyjny InPost UK

Naszym zdaniem te umiejętności pozwolą ci błyszczeć jako Staff ML Platform Engineer in Warsaw

Machine Learning Engineering
Credit Risk Modelling
Python
ML Frameworks (scikit-learn, XGBoost, PyTorch)
Model Validation Methodology
Feature Engineering
MLOps Tooling (MLflow, CI/CD)